Matematik Bölümü Yeni Dersler

MATH 363 Stokastik Modelleme (Stochastic Modelling, 3 Kredi 7 AKTS, Seçmeli ders, 2026 Güz dönemi)
Stokastik modelleme, rastgelelik içeren sistemlerin matematiksel olarak tanımlanması, analiz edilmesi ve yorumlanmasına yönelik temel yöntemleri kapsayan önemli bir uygulamalı matematik alanıdır.
Bu ders kapsamında; olasılık kuramı, Poisson süreçleri, Markov zincirleri, rastgele yürüyüşler, kuyruklama teorisi, finansal ve aktüeryal modelleme ile Wiener süreci ve Black–Scholes opsiyon fiyatlama modeli ele alınmaktadır. Teorik altyapının yanı sıra, bu yöntemlerin finans, sigortacılık ve diğer sayısal uygulama alanlarındaki kullanımları incelenmektedir.
Yeditepe Üniversitesi
Mühendislik ve Doğa Bilimleri Fakültesi
Matematik Bölümü
matematikbolumu@yeditepe.edu.tr
#YeditepeÜniversitesi #Yeditepe30 #YeditepeMatematik #MATH363 #StokastikModelleme #AppliedMathematics #Probability #MarkovChains #FinancialMathematics

MATH 348 Matematiksel Modelleme (Mathematical Modelling, 3 Kredi 7 AKTS, Seçmeli ders, 2027 Bahar dönemi)
Gerçek yaşam problemlerinin matematiksel yöntemlerle analiz edilmesi ve çözümlenmesi, uygulamalı matematiğin temel çalışma alanlarından biridir.
Bu ders kapsamında, gerçek sistemlerin matematiksel modellere dönüştürülmesi, bu modellerin analitik ve sayısal yöntemlerle incelenmesi ve elde edilen sonuçların yorumlanması ele alınmaktadır. Ders içeriğinde fark denklemleri, diferansiyel denklemler, doğrusal ve doğrusal olmayan modeller, Markov zincirleri, kararlılık analizi ve pertürbasyon yöntemleri incelenmekte; nüfus dinamiği, finans, epidemiyoloji ve endüstriyel uygulamalardan örneklerle matematiksel modelleme yaklaşımı değerlendirilmektedir.
Yeditepe Üniversitesi
Mühendislik ve Doğa Bilimleri Fakültesi
Matematik Bölümü
matematikbolumu@yeditepe.edu.tr
#YeditepeÜniversitesi #Yeditepe30 #YeditepeMatematik #MATH348 #MatematikselModelleme #MathematicalModelling #AppliedMathematics #DifferentialEquations #MarkovChains #MathematicalModeling

MATH 463 Veri Bilimi ve İstatistiksel Öğrenme (Data Science and Statistical Learning, 3 Kredi 7 AKTS, Seçmeli ders, 2027 Bahar dönemi)
Veri bilimi ve istatistiksel öğrenme, büyük veri kümelerinden anlamlı bilgiler elde edilmesini sağlayan ve günümüzde yapay zeka, finans, sağlık, mühendislik ve teknoloji başta olmak üzere birçok alanda kullanılan temel yöntemleri kapsamaktadır.
Bu ders kapsamında veri toplama, veri temizleme, keşifsel veri analizi, olasılık dağılımları ve temel istatistiksel yöntemler ele alınmaktadır. Ders içeriğinde doğrusal ve lojistik regresyon, karar ağaçları, rastgele ormanlar, destek vektör makineleri (SVM), yapay sinir ağları ve derin öğrenme, kümeleme algoritmaları, boyut indirgeme yöntemleri ile model değerlendirme teknikleri incelenmektedir. Ayrıca, veri analizi ve istatistiksel öğrenme uygulamaları R programlama dili kullanılarak gerçekleştirilmektedir.
Yeditepe Üniversitesi
Mühendislik ve Doğa Bilimleri Fakültesi
Matematik Bölümü
matematikbolumu@yeditepe.edu.tr
#YeditepeÜniversitesi #Yeditepe30 #YeditepeMatematik #MATH463 #DataScience #StatisticalLearning #MachineLearning #ArtificialIntelligence #RProgramming #DataAnalysis #Statistics